20924

۲۰۹۲۴

روشي نو براي شناسايي كاربران تاثيرگذار در شبكه‌هاي اجتماعي

كارشناسي ارشد

نرم افزار كامپيوتر

1392

۱۳۹۵/۰۳/۳۱

دكتر عين الله خنجري

كامپيوتر

كاربران تاثيرگذار در شبكههاي اجتماعي طبق تعريف، كاربراني هستند كه بيش از همهي كاربران در اين شبكهها مورد توجه هستند. آنها ميتوانند رفتار و نظر كاربراني كه با آنها در ارتباط هستند را پيرامون موضوعات مختلف تحت تاثير قرار داده و تغيير دهند. شناسايي كاربران تاثيرگذار در شبكههاي اجتماعي يكي از كليديترين جنبههاي تحليل شبكههاي اجتماعي است؛ كاربران تاثيرگذار، كاربراني هستند كه ميتوانند فرآيند انتشار اطلاعات در شبكههاي اجتماعي را تحت تاثير خود قرار دهند و بر اساس ميزان اثرگذاري كه روي كاربران متصل به خود و ديگر كاربران دارند، ميتوانند سرعت فراگيري اطلاعات و عمق همهگيري آن را افزايش دهند. مسالهي پيدا كردن اين كاربران، در موضوعات مختلف تحليل شبكههاي اجتماعي، از مدلسازي فرآيند انتشار اطلاعات گرفته تا بازاريابيهاي شبكهاي، مطرح است. تاكنون روشهاي مختلفي براي اين مساله مطرح شدهاند. اغلب اين روشها مبتني بر ويژگيهاي ساختاري كاربر و شبكه اجتماعي است. در اين تحقيق، هدف يافتن رهيافتي نو براي اين مساله و نشان دادن اين است كه چگونه استفاده از روشهاي تحليل دادههاي پرت در اين زمينه ميتواند براي اين مساله راهگشا باشد. در اين تحقيق مسالهي شناسايي كاربران تاثيرگذار به سه زيرمساله تقسيم شده و براي هر كدام از آنها راهكاري نو ارائه خواهد شد. با استفاده از روش مدلسازي آماري و توزيع احتمالاتي Zipf كاربران تاثيرگذار سراسري شناسايي خواهند شد. با تفكيك مفهوم فعاليت از مفهوم اثرگذار بودن، كاربران خوشنام و هرزهگو شناسايي شده و در نهايت با استفاده از يكي از روشهاي تحليل دادههاي پرت، كاربران تاثيرگذار محلي مورد كاوش قرار خواهند گرفت.

1398/04/15

َA new method for finding influential users in social networks

6/20/2016 12:00:00 AM

Most of methods proposed to overcome current issues in social networks are based on graph modeling. Finding influential users in social networks is no exception. An important disadvantage these methods are involved with is not considering non-structural attributes of network like user favorites and their contential activities. The approach we are about to introduce can cover user's non-structural attributes. We will show that finding local influential users needs new methods to be done more efficiently. It will also be shown that procedures that are used for detecting outliers could be efficiently used for detecting influential users. The procedure that we would be providing is intended to use one of the prominent methods for finding outliers and results show that our method is more accurate compared to other methods of influential users detection.